Glosario Funciones R

Se indicarán las funciones de R que son usadas a lo largo del curso. El orden en que se muestran está asociado al orden en que fueron mostradas en las distintas clases.

Las siguientes funciones fueron abordadas en el 1 er. notebook

• library: permite cargar un paquete expandiendo las capacidades que tiene el lenguaje R. Ejemplo de uso:

  library (dplyr)

• head : visualizar las 6 primeras filas de un conjunto de datos. Si la acompaño del argumento n , se pueden visualizar una cantidad de n filas.

  head (mtcars)
  # con el argumento n
  head (mtcars, 3)

• tail : visualizar las 6 últimas filas de un conjunto de datos. Igualmente, como ocurrió en la función head se puede usar el argumento n .

  tail (mtcars)

• table : Crear una tabla de contingencia sobre una o más variables categóricas

  table(mtcars$cyl)

• +,*,/,- : operadores aritméticos

  12 + 15

• ? : obtener documentación y ejemplos sobre el uso de una función o un conjunto de datos.

  ?head

• sample_n : pertenece al paquete dplyr y permite seleccionar de forma aleatoria una cantidad n de observaciones de un conjunto de datos

  sample_n(mtcats, n=20)
  
  # usando el operador %>% se puede rescribir el código como
  mtcars %>%
    sample_n(n=20)

• select : pertenece al paquete dplyr y permite seleccionar columnas del conjunto de datos.

  select (mtcars,c("mpg" ,"hp" ,"gear" ))

• mean : obtener el promedio sobre los valores que conforman un vector

  mean( c( 8, 5, 11))
  # el vector son los datos 8, 5, 11 que se encuentran entre paréntesis, y están precedidos por la letra c
  mean (mtcars$mpg)

• sum : sumar los elementos que conforman un vector

  sum( c( 8, 5, 11))
  # el vector son los datos 8, 5, 11 que se encuentran entre paréntesis, y están precedidos por la letra c

• table : crear tabla de contigencia para una variable de tipo categórica

  table(mtcars$cyl)

• plot : crear un gráfico de dispersión o en inglés, scatterplot. Sirve para analizar posibles relaciones de asociación entre dos variables numéricas.

  plot(x = county$median_hh_income,
       y = county$pop_change)